Zyski:
- Zrozumienie zmienności produkcji energii słonecznej i wiatrowej w zależności od meteorologii i znaczenia jej przewidywania dla bilansu sieci.
- Możliwość tworzenia przepływu pracy związanego z prognozami AI, łączącego cyfrową prognozę pogody, dane satelitarne i terenowe
- Możliwość weryfikacji prognoz produkcji z fizycznym górnym limitem, współczynnikiem wydajności i rzeczywistymi danymi
Elektrownia węglowa lub gazowa pracuje z określoną mocą, gdy wymaga tego operator; produkcję można kontrolować. Energia słoneczna i wiatr nie są takie: gdy słońce się zachmurzy, produkcja paneli maleje, a gdy wiatr ustanie, turbina przestaje działać. Ten rodzaj produkcji nazywany jest zmienną energią odnawialną; Produkcja zależy od meteorologii, a nie ludzkiej woli. Ta zmienność stwarza zarówno wielką szansę, jak i wielkie wyzwanie dla stabilności sieci. Prognozowanie produkcji energii odnawialnej jest zadaniem przewidywania przyszłej produkcji elektrowni słonecznych i wiatrowych i stanowi jeden z najszybciej rozwijających się obszarów analiz współczesnego systemu energetycznego. W tym module poznamy fizykę tej prognozy, sposób jej ustalenia i weryfikacji za pomocą sztucznej inteligencji.
Dlaczego jest to takie ważne?
W miarę wzrostu udziału energii słonecznej i wiatrowej w sieci kwestia „ile i kiedy” te zasoby wyprodukują staje się decydująca dla całego systemu. Bez dobrej prognozy dotyczącej generacji sieć zmuszona jest utrzymywać dodatkowe wolne moce produkcyjne (często drogie i bogate w emisję dwutlenku węgla), aby zrekompensować nagły spadek generacji odnawialnej. Dokładne prognozowanie zmniejsza zarówno te koszty, jak i emisję; Umożliwia także właścicielowi elektrowni lepsze oferowanie na rynku. Innymi słowy błąd prognozy przekłada się bezpośrednio na pieniądze i emisję gazów cieplarnianych.
Fizyka wytwarzania energii słonecznej i wiatrowej
niedziela. Moc wytwarzana przez panel fotowoltaiczny (PV; przekształcająca światło bezpośrednio w energię elektryczną) zależy głównie od padającego na niego promieniowania (natężenie promieniowania; energia słoneczna na jednostkę powierzchni, W/m²). Do tego dochodzi temperatura panelu (wydajność spada w miarę nagrzewania się panelu), kurz/zanieczyszczenia i zacienienie. Najsilniejszą cechą produkcji energii słonecznej jest jej przewidywalny schemat dobowy: zero w nocy, maksimum rano, szczyt około południa i zero wieczorem. Zachmurzenie to szum nałożony na tę figurę i jest głównym źródłem trudności w prognozowaniu.
Wiatr. Moc wytwarzana przez turbinę jest w przybliżeniu proporcjonalna do sześcianu prędkości wiatru – zatem gdy prędkość się podwaja, moc wzrasta w przybliżeniu ośmiokrotnie. Dlatego mały błąd prognozy prędkości wiatru zamienia się w duży błąd w produkcji. Turbina ma również krzywą mocy: poniżej pewnej prędkości (prędkość załączenia) produkcja wynosi zero, powyżej pewnej prędkości (prędkość znamionowa) produkcja stabilizuje się, przy bardzo dużych prędkościach (prędkość odcięcia) turbina zatrzymuje się ze względów bezpieczeństwa. Ta nieliniowa zależność sprawia, że prognozowanie wiatru jest trudniejsze niż prognozowanie energii słonecznej.
Wskazówka: Ponieważ w grę wchodzi błąd prędkości wiatru, oceniając prognozę produkcji, należy najpierw sprawdzić jakość prognozy prędkości wiatru. Ustalenie dobrej prognozy produkcji przy złej prognozie prędkości jest prawie niemożliwe.
Krok po kroku: Prognozowanie produkcji za pomocą sztucznej inteligencji
Krok 1 — Zbierz dane wejściowe. Podstawowymi danymi wejściowymi są numeryczne prognozy pogody (NWP; prognozy pogody tworzone na podstawie fizyki atmosfery): szacunki natężenia napromienienia, temperatury, prędkości i kierunku wiatru. Do tego dochodzi faktyczna historia produkcji elektrowni oraz, jeśli to możliwe, obserwacje satelitarne/naziemne.
Krok 2 — Skonfiguruj atrybuty. Zmienne prognozy pogody, zmienne geometryczne dla energii słonecznej (kąt słońca na niebie), informacje o krzywej mocy turbiny dla wiatru i atrybuty opóźnionej generacji. Ponownie kontrola wycieków: wykorzystywane są tylko dane, które będą dostępne w momencie prognozowania.
Krok 3 — Wytrenuj model. Model łączy prognozę pogody z rzeczywistą produkcją. Tutaj sztuczna inteligencja zarówno uczy się rzeczywistego zachowania panelu/turbiny (odchylenia od wartości katalogowej), jak i rejestruje efekty lokalne (takie jak wpływ terenu w określonym kierunku wiatru).
Krok 4 — Niepewność modelu. Prognozowanie dotyczące energii odnawialnej jest z natury niepewne; Oszacowanie probabilistyczne (np. „80% prawdopodobieństwa mieści się w tym przedziale”) zamiast pojedynczej liczby jest znacznie bardziej przydatne.
Krok 5 – Sprawdź. Prognozy są sprawdzane w odniesieniu do górnych limitów fizycznych i rzeczywistej produkcji.
Walidacja: Kotwice fizyczne
Prognozowanie produkcji energii odnawialnej można przetestować za pomocą silnych kotwic fizycznych:
- Absolutny pułap dla energii słonecznej: Produkcja w nocy nigdy nie może być dodatnia i nie może przekroczyć zainstalowanej mocy (i tego, na co pozwala aktualne promieniowanie). To pojedyncze sprawdzenie natychmiast eliminuje głupie domysły.
- Współczynnik wydajności: Jest to stosunek wyprodukowanej energii do energii, którą wytworzyłaby, gdyby elektrownia pracowała nieprzerwanie z pełną mocą. W przypadku wiatru lądowego jest to zazwyczaj około 25–45 procent, w przypadku energii słonecznej około 12–25 procent, w zależności od klimatu. Jeśli średnia długoterminowa wykracza poza ten zakres, występuje błąd.
- Dane rzeczywiste: Najsilniejszą kotwicą jest porównanie prognozy z rzeczywistą produkcją; systematyczne błędy (np. utrzymujące się przeszacowanie) są korygowane.
Uwaga: Jest fizycznie niemożliwe, aby prognoza produkcji energii słonecznej w nocy była niezerowa lub aby prognoza wiatru nadal pokazywała pełną produkcję powyżej wartości granicznej. Takie naruszenia są oznaką, że w modelu brakuje gdzieś podstawowej fizyki i są odrzucane bez uwzględnienia statystyk.
Trzy mini etui: w liczbach
Przypadek 1 – Produkcja nocna. Model prognozy słonecznej opracowany przez jeden z zespołów przewidywał 3 MW generacji na godzinę 22:00. Było to fizycznie niemożliwe; Problem polegał na tym, że dane dotyczące natężenia promieniowania wprowadzone do modelu odpowiadały wartościom w niewłaściwej strefie czasowej. Kotwica zerowej nocy natychmiast wychwyciła błąd, a po skorygowaniu strefy czasowej przewidywania okazały się prawidłowe.
Przypadek 2 — Efekt sześcianu na wietrze. Na jednej farmie wiatrowej prognoza pogody podawała prędkość wiatru 10 m/s zamiast 8 m/s, co stanowiło pozorny błąd wynoszący 25%. Ponieważ jednak moc zależy w ujęciu sześciennym od prędkości, szacunkowa wielkość produkcji była w przybliżeniu dwukrotnie większa od rzeczywistej, co skutkowało ogromną karą za niezbilansowanie na rynku. Lekcja: mały błąd prędkości w prognozie wiatru jest dużym błędem produkcyjnym; Pasmo niepewności powinno być szerokie.
Przypadek 3 – Kotwica współczynnika wydajności. Roczna prognoza produkcji dla jednej nowej elektrowni zakładała współczynnik mocy wynoszący 55 procent. Dla wiatru kontynentalnego wartość ta była znacznie powyżej tego zakresu; dochodzenie wykazało, że jednostki produkcji (MWh) zostały błędnie policzone dwukrotnie. Kotwica współczynnika wydajności uwolniła decyzję inwestycyjną od błędnego fundamentu, bez wchodzenia w szczegóły.
Słaba podpowiedź/silna podpowiedź
Słaba zachęta:
Przewiduj jutrzejszą produkcję tej farmy wiatrowej.[dane]
Potężny monit:
Twoja rola: Synoptyk produkcji energii odnawialnej. Zadanie: godzinowa prognoza produkcji na dzień następny dla farmy wiatrowej. - Jako danych wejściowych należy używać wyłącznie prognozy pogody dostępnej w momencie tworzenia prognozy; zmierzyć i uwzględnić efekt sześcienny prędkości wiatru. - Zastosuj krzywą mocy turbiny (prędkości załączenia, nominalne, wyłączenia); nie podawaj wyników fizycznych wykraczających poza te limity. - Podaj przedział niepewności, a nie pojedynczą liczbę. - Przetestuj wynik samodzielnie na dwóch kotwach: (a) czy jest jakaś wartość przekraczająca moc zainstalowaną, (b) czy zakładany współczynnik mocy mieści się w przedziale 25-45%? Dane: [dane roślinne i pogodowe]
Potężny monit narzuca od początku efekt sześcianu, krzywą mocy, niepewność i dwie fizyczne kotwice – eliminując klasyczne błędy prognozowania regeneracyjnego.
Cztery szablony do kopiowania
1) Fizyczna kontrola sufitu słonecznego:
Przetestuj szacunkową produkcję energii słonecznej za pomocą tych kotwic: czy produkcja w godzinach nocnych wynosi zero? Czy szczyt w południe przypada na środek dnia? Czy jakakolwiek wartość przekracza moc zainstalowaną? Lista naruszeń ze znacznikiem czasu.
2) Zastosowanie krzywej mocy wiatru:
Należy zastosować następujące parametry krzywej mocy turbiny: załączenie [A] m/s, nominalna [B] m/s, odcięcie [C] m/s. Konwertuj podane prognozy prędkości wiatru na dane produkcyjne. Skomentuj także wpływ niepewności prędkości na niepewność produkcji wynikającą z sześciennej zależności prędkości od mocy.
3) Kotwica racjonalności współczynnika wydajności:
Oblicz sugerowany współczynnik wydajności na podstawie szacunkowej generacji i porównaj go z typowym zakresem dla typu instalacji (wiatr 25–45%, energia słoneczna 12–25%). Jeśli wartość jest poza zakresem, wypisz możliwe źródła błędów (jednostka, strefa czasowa, podwójne liczenie).
4) Analiza odchyleń prognozowo-rzeczywistych:
Porównaj rzeczywistą produkcję z prognozami z przeszłości. Czy występuje systematyczne stronniczość (ciągłe przecenianie/niedocenianie)? Sprawdź, czy odchylenie zmienia się w zależności od warunków pogodowych (pochmurno/bezchmurnie, słaby/silny wiatr) i zasugeruj korektę.
Wykres porównawczy energii słonecznej i wiatrowej
funkcja
Energia słoneczna (PV)
wiatr
główne wejście
Natężenie promieniowania, temperatura panelu
Prędkość i kierunek wiatru
cyfra dzienna
Przewidywalny (noc zero, szczyt w południe)
Nieregularny, dzień i noc niepewne
Główne wyzwanie
zachmurzenie
Zależność sześcienna prędkości od mocy
Typowy współczynnik wydajności
~12-25%
~25-45% (naziemne)
mocna kotwica
Noc zero, zainstalowany sufit mocy
Granice krzywej mocy, współczynnik wydajności
Typowe błędy
- Niedoszacowanie błędu prędkości wiatru. Ponieważ zależność prędkość-moc jest sześcienna, mały błąd prędkości jest dużym błędem produkcyjnym.
- Nie sprawdzanie sufitu fizycznego. Każdą wartość przekraczającą produkcję fotowoltaiczną w nocy lub moc zainstalowaną należy odrzucić bez patrzenia na statystyki.
- Redukcja niepewności do pojedynczej liczby. Prognozowanie odnawialnych źródeł energii jest z natury probabilistyczne; Bez przekazania taśmy nie można podjąć decyzji.
- Przeciek. Uczynienie aktualnej pogody atrybutem; Jednak wszystko, co będziesz mieć, to prognoza pogody.
- Ominięcie kotwicy współczynnika wydajności. Brak sprawdzenia wiarygodności średniej długoterminowej powoduje ukrycie błędów jednostkowych i podwójnych w liczeniu.
Podsumowując
Produkcja energii słonecznej i wiatrowej zależy od meteorologii i jest zmienna; Szacunek ma kluczowe znaczenie dla bilansu sieci i rynku. Przewidywalny rozkład dobowy słońca jest utrudniony przez zachmurzenie, a wytwarzanie wiatru jest utrudnione przez szybko sześcienną zależność. Sztuczna inteligencja ma potężną moc w łączeniu prognoz pogody z rzeczywistą produkcją; ale przewidywanie należy sprawdzić za pomocą fizycznych kotwic sufitowych, krzywej mocy i współczynnika wydajności, niepewność należy zgłosić za pomocą taśmy i należy unikać wycieków.
Zadanie aplikacji
Uzyskaj historyczne dane produkcyjne farmy fotowoltaicznej lub wiatrowej. Poproś sztuczną inteligencję o sprawdzenie prognozy za pomocą szablonów „Fizyczna kontrola sufitu słonecznego” (dla energii słonecznej) lub „Kotwica wiarygodności współczynnika wydajności” (dla obu). Następnie samodzielnie oblicz domniemany współczynnik wydajności i porównaj go z typowym zakresem. Jeśli znajdziesz fizyczną niemożliwość lub odchylenie od zasadności, zapisz, jak to wyłapałeś.
lista kontrolna
- [ ] Sprawdziłem, że głównym wejściem jest prognoza pogody i nie zawiera ona przecieków
- [ ] Zastosowałem night-zero i zainstalowałem kotwy sufitowe zasilane energią słoneczną
- [ ] Wziąłem pod uwagę ograniczenia krzywej mocy dla wiatru i efekt prędkości sześciennej
- [ ] Porównałem domniemany współczynnik wydajności z typowym zakresem
- [ ] Przedstawiłem oszacowanie z przedziałem niepewności
- [ ] Sprawdziłem przewidywane-realizowane odchylenie systematyczne
- [ ] Odrzuciłem wartości, które wiążą się z fizyczną niemożliwością